5
Laporan Praktikum Hari/tanggal : Kamis/9 November 2011 Klimatologi Terapan Asisten : Syamsu Dwi Jatmiko IDENTIFIKASI CLIMATE TRESHOLD UNTUK KEJADIAN BANJIR Disusun oleh: 1. Hanifah Nurhayati (G24080013) 2. Sarah Purnamawati (G24080068) 3. Fella Fauziah H. (G24080075)

IDENTIFIKASI CLIMATE TRESHOLD UNTUK KEJADIAN BANJIR

Embed Size (px)

Citation preview

Page 1: IDENTIFIKASI CLIMATE TRESHOLD UNTUK KEJADIAN BANJIR

Laporan Praktikum Hari/tanggal : Kamis/9 November 2011

Klimatologi Terapan Asisten : Syamsu Dwi Jatmiko

IDENTIFIKASI CLIMATE TRESHOLD UNTUK KEJADIAN BANJIR

Disusun oleh:

1. Hanifah Nurhayati (G24080013)

2. Sarah Purnamawati (G24080068)

3. Fella Fauziah H. (G24080075)

DEPARTEMEN GEOFISIKA DAN METEOROLOGI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

2011

Page 2: IDENTIFIKASI CLIMATE TRESHOLD UNTUK KEJADIAN BANJIR

PENDAHULUAN Banjir dan hujan adalah dua hal yang sulit untuk dipisahkan, keduanya saling berkaitan.

Kejadian banjir di pulau Jawa bukan merupakan hal yang baru lagi. Hal penting yang mempengaruhi kejadian banjir yaitu kondisi geografis, kondisisi iklim, dan kondisi lingkungan. Pulau Jawa termasuk dalam daerah tropis yang memiliki curah hujan tahunan yang sangat tinggi, namun kondisi lingkungannya khususnya lahannya atau bahkan DASnya sudah banyak dikonversi menjadi pemukiman atau kawasan industri sehingga daerah resapan hujannya sangat kurang dan ini yang mengakibatkan terjadinya banjir.

Pada praktikum kali ini dilakukan suatu prediksi kejadian banjir dengan software MATLAB berdasarkan data curah hujan yang diperoleh dari pemodelan Magicc Scangen dengan skenario 650NFB untuk berbagai musim yaitu desember-januari-februari, maret-april-mei, juni-juli-agustus, dan september-oktober-november pada tahun 2020.

HASIL DAN PEMBAHASANModel Magicc Scangen merupakan software yang diperlukan untuk skenario emisi gas

rumah kaca, gas reaktif, dan sulfur dioksida sebagai masukan dan memberikan rata-rata suhu global, kenaikan permukaan laut, dan iklim daerah sebagai output. MAGICC adalah model gascycle / iklim yang digabungkan. Model iklim di MAGICC adalah upwelling, energi keseimbangan model yang menghasilkan output suhu global dan untuk ekspansi termal laut. Model ini telah digunakan dalam semua laporan IPCC untuk menghasilkan proyeksi masa depan global rata-rata suhu dan perubahan permukaan laut. SCENGEN adalah algoritma regionalisasi yang menggunakan metode skala untuk menghasilkan informasi iklim dan perubahan iklim di lintang 5 ° dengan 5° bujur. (Santer, B.D., T.M.L. Wigley, M.E. Schlesinger, and J.F.B. Mitchell. 1990) .

Berikut ini adalah hasil prediksi kejadian banjir dengan software MATLAB berdasarkan data curah hujan yang diperoleh dari pemodelan Magicc Scangen dengan skenario 650NFB untuk berbagai musim yaitu desember-januari-februari, maret-april-mei, juni-juli-agustus, dan september-oktober-november pada tahun 2020.

Tabel 1. Kemungkinan Terjadinya Banjir Berdasarkan Probability Q3

Rainfall Obs 275.93

Probability Q3 DJF MAM JJA SON

Batas Bawah 0.6852 0.6752 0.6896 0.6514 0.6388

Batas Atas 0.3148 0.3248 0.3102 0.3486 0.3612

Tabel 1 menunjukkan bahwa kemungkinan terjadinya curah hujan melebihi 275,93 inci dan dapat berakibat banjir pada tahun 2020 berdasarkan probability Q3 yaitu berkisar antara 31% hingga 36%. Jika data yang digunakan adalah data curah hujan observasi maka kemungkinan kejadian banjir pada tahun 2020 yaitu 31%. Jika data yang digunakan adalah data curah hujan hasil prediksi dengan menggunakan model Magicc Scangen dan skenario 650NFB maka kemungkinan banjir untuk bulan Desember-Januari Februari sebesar 32%, bulan Maret –April-Mei sebesar 31%, bulan Juni-Juli-Agustus sebesar 35%, dan bulan September-Oktober-November sebesar 36%.

Page 3: IDENTIFIKASI CLIMATE TRESHOLD UNTUK KEJADIAN BANJIR

Tabel 2. Kemungkinan Terjadinya Banjir Berdasarkan Probability Median

Rainfall Obs 167.75

Probability Median DJF MAM JJA SON

Batas Bawah 0.2742 0.2652 0.2866 0.2476 0.2477

Batas Atas 0.7258 0.7348 0.7134 0.7524 0.7523

Tabel 2 menunjukkan bahwa terjadinya curah hujan melebihi 275,93 inci dan dapat berakibat banjir pada tahun 2020 berdasarkan probability Median yaitu berkisar antara 71% hingga 75%. Jika data yang digunakan adalah data curah hujan observasi maka kemungkinan kejadian banjir pada tahun 2020 yaitu 73%. Jika data yang digunakan adalah data curah hujan hasil prediksi dengan menggunakan model Magicc Scangen dan skenario 650NFB maka kemungkinan banjir untuk bulan Desember-Januari Februari sebesar 73%, bulan Maret –April-Mei sebesar 71%, bulan Juni-Juli-Agustus sebesar 75%, dan bulan September-Oktober-November sebesar 75%.

35030025020015010050

0,006

0,005

0,004

0,003

0,002

0,001

0,000

Curah Hujan (mm)

Pro

bability

Mean 219,7StDev 74,34N 21

Normal Distribusi Normal Curah Hujan Kejadian Banjir

Me Q3

Gambar 1. Distribusi Normal Curah Hujan Kejadian Banjir

Berdasarkan gambar 1 dapat diketahui bahwa prediksi kejadian banjir pada tahun 2020 untuk probabilitas berdasarkan Median, nilai probabilitasnya lebih tinggi daripada berdasarkan Q3. Hal ini menunjukkan bahwa jika kejadian banjir pada tahun 2020 diprediksi berdasarkan median maka kemungkinan kejadian banjir lebih besar dibandingkan dengan kejadian banjir pada tahun 2020 yang diprediksi berdasarkan Q3.

KESIMPULAN

Kejadian banjir sangat erat kaitannya dengan jumlah distribusi curah hujan. Pulau Jawa termasuk dalam wilayah tropis dimana curah hujan tahunannya sangat tinggi, selain itu probabilitas banjirnya juga tinggi. Metode statistik yang dapat digunakan untuk memprediksi probabilitas banjir diantaranya yaitu dengan median dan Q3. Hasil prediksi kejadian banjir berdasarkan curah hujan dengan median lebih tinggi nilainya dibanding dengan Q3.

DAFTAR PUSTAKA

Santer, B.D., T.M.L. Wigley, M.E. Schlesinger, and J.F.B. Mitchell. 1990. Developing Climate Scenarios from Equilibrium GCM Results. Max-Planck-Institut für Meteorologie Report No. 47, Hamburg, Germany. Wigley, T.M.L. and S.C.B. Raper. 1992. Implications for climate and sea level of revised IPCC emissions scenarios. Nature 357:293-300.